Als Programmiersprache für Künstliche Intelligenz (KI) kommt nach wie vor am häufigsten Python zum Einsatz. Vor allem bei alteingesessenen Unternehmen gehört dies in der Regel jedoch nicht zum gewachsenen Technologie-Stack. Abhilfe schafft unter anderem die Deep Java Library (DJL) von AWS, mit der sich KI-Anwendungen in einer gewohnten JVM-Umgebung trainieren lassen. Während im vorherigen Blogartikel zur Sprache kam, wie Bilderkennung mithilfe der DJL realisiert werden kann, sehen wir uns nun an, wie das Trainieren eines eigenen KI-Modells funktioniert.

Als Programmiersprache für Künstliche Intelligenz (KI) kommt nach wie vor am häufigsten Python zum Einsatz. Vor allem bei alteingesessenen Unternehmen gehört dies in der Regel jedoch nicht zum gewachsenen Technologie-Stack. Abhilfe schafft unter anderem die Deep Java Library (DJL) von AWS, mit der sich KI-Anwendungen in einer gewohnten JVM-Umgebung trainieren lassen. Der folgende Artikel beschreibt einige grundlegende Eigenschaften der DJL und zeigt auf, wie sich ein integriertes vortrainiertes Modell für die Bild-Objekt-Erkennung einsetzen lässt.

Im Kernbankensystem (Core Banking System – CBS) spielt sich die digitale Bearbeitung der fachlichen Kernprozesse einer Bank ab. Die vorliegende Artikelserie beschäftigt sich mit der Frage, welche Modernisierungsschritte bei vorhandenen Kernbanksysteme notwendig sind, damit sie die Anforderungen aktueller Markt- und Technologie-Trends erfüllen. Teil 3 betrachtet fünf Strategien, mit denen Banken ihre Kernbanksysteme für die Zukunft ausrichten.